Український телекомунікаційний портал

Gооglе представила нову модель Gеmіnі 3.5 Тrаnsсrіbе, яка покликана зробити голосове введення швидшим і природнішим. Її особливість у тому, що система не просто перетворює сказане на текст, а намагається одразу привести результат до нормального вигляду. Модель розпізнає самовиправлення, прибирає слова-паразити та зайві паузи, а також може враховувати власний словник користувача.

Менше помилок і швидша обробка

За даними Gооglе, Gеmіnі 3.5 Тrаnsсrіbе демонструє середню частоту помилок на рівні 2,6% під час обробки записів і 4% у режимі потокового розпізнавання. Ще одна перевага — швидкість. Час до отримання фінальної транскрипції скоротився приблизно на 70% порівняно з попередньою технологією Сhіrр 3.Модель автоматично розпізнає понад 85 мов, а також здатна визначати до трьох співрозмовників. Більша кількість спікерів поки залишається експериментальною функцією. Для роботи в реальному часі Gооglе пропонує окрему версію Gеmіnі 3.5 Тrаnsсrіbе Lіvе із затримкою менш ніж одна секунда.

Gооglе вже інтегрує технологію у свої продукти

Gеmіnі 3.5 Тrаnsсrіbе не залишиться виключно інструментом для розробників. Gооglе уже використовує його у власних сервісах, зокрема в Gеmіnі для mасОS, Gооglе АІ Studіо та функції Rаmblеr у Gbоаrd на Аndrоіd.Наступним може стати Сhrоmе. Компанія планує дозволити використовувати голосове введення практично в будь-якому текстовому полі на вебсторінках. Для розробників модель уже доступна у форматі публічної попередньої версії через Gеmіnі АРІ.Якщо заявлена точність збережеться під час реального використання, голосове введення може стати значно комфортнішим. Адже коли система не просто записує кожне слово, а сама виправляє обмовки та прибирає зайві фрази, говорити стає набагато природніше. І тоді клавіатура для багатьох повсякденних завдань справді може поступитися місцем голосу.